脑疾病动态功能连接分类更准
提出DFC-CBGRU方法，通过多尺度拓扑特征提取、双向时空特征提取与特征融合，在多个脑疾病数据集上取得优于现有方法的分类性能。
冀俊忠 · Chuantai, Ye · 杨翠翠
Knowledge-Based Systems 2024
CNN 同时提取节点级、模块级和图级特征，捕获不同粒度的功能连接拓扑模式。
双向 GRU 从时间序列中提取前向和后向依赖，更完整地建模动态功能连接的时序演化。
在多个脑疾病数据集上验证，分类性能优于现有方法，表明方法的泛化能力和判别力。